Rsyslog日志轮转权限问题解决方案
问题背景
在使用Rsyslog进行日志管理时,用户尝试通过rotation.sizeLimitCommand参数实现日志文件的自动轮转功能。具体配置中,当checkpoint.log文件大小达到50MB时,系统应执行mv命令将其重命名为备份文件。然而在实际操作中,Rsyslog报告了"Permission denied"错误,表明执行权限不足。
错误分析
系统审计日志显示,问题根源在于AppArmor安全模块阻止了Rsyslog执行mv命令的操作。AppArmor是Linux系统中的一个强制访问控制框架,它通过配置文件限制特定应用程序可以访问的资源。在默认配置下,Rsyslog的AppArmor策略(/etc/apparmor.d/usr.sbin.rsyslogd)并未允许执行外部命令。
解决方案
1. 创建专用脚本
首先创建一个专用的日志轮转脚本/usr/local/bin/logrotation.sh,内容如下:
#!/usr/bin/bash
mv -f /var/log/checkpoint.log /var/log/checkpoint.log.backup
2. 设置脚本权限
确保脚本具有正确的所有权和执行权限:
chown syslog:adm /usr/local/bin/logrotation.sh
chmod 755 /usr/local/bin/logrotation.sh
3. 修改AppArmor配置
编辑Rsyslog的AppArmor配置文件/etc/apparmor.d/usr.sbin.rsyslogd,添加以下内容:
/usr/bin/mv mixr,
/usr/local/bin/logrotation.sh mixr,
mixr权限表示允许内存映射(m)、执行(i)、读取(r)和写入(x)操作。
4. 更新Rsyslog配置
最后修改Rsyslog配置文件,使用新创建的脚本作为轮转命令:
action(type="omfile"
file="/var/log/checkpoint.log"
rotation.sizeLimit="52428800"
rotation.sizeLimitCommand="/usr/local/bin/logrotation.sh")
技术要点
-
最小权限原则:通过创建专用脚本而非直接允许所有
mv操作,遵循了安全最佳实践。 -
AppArmor策略:了解Linux安全模块的工作机制对于解决此类权限问题至关重要。
-
日志轮转替代方案:除了自定义脚本,也可以考虑使用Rsyslog内置的轮转机制或结合logrotate工具实现更复杂的轮转策略。
-
所有权设置:确保脚本和日志文件的所有权与Rsyslog运行用户(syslog)匹配,避免权限冲突。
总结
在Linux系统中实现日志轮转功能时,除了基本的文件权限设置外,还需要考虑安全模块(AppArmor/SELinux)的限制。通过创建专用脚本并适当配置安全策略,可以在保证系统安全的前提下实现灵活的日志管理功能。这种方法不仅解决了当前问题,也为未来可能的扩展需求提供了良好的基础架构。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C092
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00